-
基于CNN-LSTM神經(jīng)網(wǎng)絡的輸電線路覆冰預測技術研究
針對輸電線路運維中持久且復雜多樣的挑戰(zhàn)以及復雜氣候條件下輸電線路覆冰現(xiàn)象對電網(wǎng)安全運行構成的嚴重威脅 ,提出基于卷積-長短時記憶(CNN-LSTM)神經(jīng)網(wǎng)絡技術的綜合預測方法。該方法融合網(wǎng)格化數(shù)值天氣預報的精細數(shù)據(jù)、桿塔地形特征信息及導線物理屬性等多源數(shù)據(jù) ,構建了一個高效預測模型 , 旨在解決輸電線路單點覆冰厚度在未來3~72 h內(nèi)的精確預測問題 , 為電力部門提供及時、科學的防冰抗冰決策依據(jù) 。實驗結果顯示 ,該模型能顯著提升覆冰預測的準確性和時效性 ,有效減少因覆冰導致的電網(wǎng)故障風險。
